Kunstig intelligens bruges til at analysere meninger gennem hjernens aktivitet

Forskere fra Helsinki Universitet har udviklet en ny teknik, der anvender kunstig intelligens (AI) og hjernens aktivitet hos grupper af mennesker for at analysere meninger og træffe konklusioner. Forskerne har kaldt teknikken “brainsourcing”, og den kan hjælpe med at klassificere billeder eller anbefale indhold.

Hvad er Crowdsourcing

Crowdsourcing anvendes, når der er komplekse opgaver, der skal brydes ned i mindre, mere håndterbare dele. Disse dele distribueres derefter til store grupper af mennesker, der løser problemet individuelt. Et eksempel på dette ville være, hvis mennesker blev bedt om at afgøre, om et objekt er synligt på et billede, og svarene ville derefter blive brugt til at træne et billedgenkendelsessystem. I dag er de bedste billedgenkendelsessystemer, der er baseret på AI, stadig ikke fuldstændigt automatiserede. Derfor skal meningerne fra flere mennesker om indholdet af flere eksempelbilleder bruges som træningsdata.

Forskerne ønskede at forsøge at implementere crowdsourcing ved at analysere electroencephalogrammer (EEG) fra individer og anvende AI-teknikker til dette. Dette ville tillade, at informationen blev udtrukket fra EEG i stedet for, at mennesker skulle give deres mening.

Tuukka Ruotsalo er en Academy Research Fellow fra Helsinki Universitet.

“Vi ønskede at undersøge, om crowdsourcing kan anvendes til billedgenkendelse ved at udnytte menneskers naturlige reaktioner uden, at de skal udføre nogen manuelle opgaver med tastatur eller mus,” siger Ruotsalo.

Studiet

Studiet omfattede 30 frivillige, der blev vist en computerskærm med billeder af menneskers ansigter. Deltagerne klassificerede derefter ansigterne i deres hjerne baseret på, hvad der var på billederne, såsom en blond eller mørkhåret person, eller om en person smilede eller ej. Den store forskel fra konventionelle crowdsourcing-opgaver var, at deltagere ikke behøvede at foretage yderligere handlinger ud over at observere billederne, der blev præsenteret for dem.

Electroencephalografi blev derefter brugt til at indsamle hjernens aktivitet fra hver deltager, og AI-algoritmen brugte dette til at lære at genkende billeder, der var relevante for opgaven, såsom når et billede af en person med bestemte træk blev vist på skærmen.

Forskerne fandt, at computeren kunne fortolke disse mentale mærker direkte fra EEG, og brain sourcing kan anvendes i genkendelsesopgaver.

https://www.youtube.com/watch?v=_zY4RClQpKs

Vedrørende fremtiden for denne teknik, siger studerende og forskningsassistent Keith Davis: “Vores tilgang er begrænset af den tilgængelige teknologi.”

“De nuværende metoder til at måle hjernens aktivitet er tilstrækkelige for kontrollerede sætninger i et laboratorium, men teknologien skal forbedres for daglig brug. Desuden fanger disse metoder kun en meget lille procentdel af den totale hjernens aktivitet. Når hjernescanningsteknologierne forbedres, kan det muligvis blive muligt at fange præferenceinformation direkte fra hjernen. I stedet for at bruge konventionelle vurderinger eller like-knapper kan du blot lytte til en sang eller se en show, og din hjernens aktivitet alene ville være nok til at bestemme din reaktion på det.”

Resultaterne kan anvendes i grænseflader, der kombinerer hjernens og computerens aktivitet, såsom dem, der kræver letvægts EEG-udstyr som bærbare elektronik. Letvægtsbærbare, der kan måle EEG, er under udvikling.

Denne type teknologi tillader, at AI kan anvendes til at udtrække værdifuld information med meget lidt indsats fra menneskets side. Da den fortsat forbedres, kan det forventes, at denne trend vil fortsætte, og deltagelse fra den enkelte vil være unødvendig i mange tilfælde.